听说牛客许愿很灵，面试两三天了才想起来许愿，也不知道还行不行，求大佬给个机会吧😭
明略科技
1.熵的概念，交叉熵
2.逻辑回归损失函数
3.推导梯度下降公式（总是对自己的过程有怀疑，导致公式越写越复杂，最终也没有完成）
4.手撕代码：快排，平方根（时间复杂度）（牛顿迭代法）
5.归一化，标准化区别 如何加快计算速度
6.knn的k设置的过大会有什么问题（模型过于简单，增加噪声，降低分类，误差更大，k设置过小会降低分类精度)
7.knn的思想
8.多项式回归 ，多项式回归一般会用几层交叉
9.说一下xgboost，xgboost与gbdt对比，gbdt的步骤
10.gbdt和bagging的区别，样本权重为什么会改变
11.梯度下降的思想
12.spark rdd 宽窄依赖
13.reducebykey如何运行，和 groupbykey相比高效在哪
14.在linux上，比较两个文件是否相同(diff)
15.擅长的技术栈（问到这里已经没有任何信心了，没敢回答擅长的）
总体下来面试官觉得我没有信心，自己也有感觉，越到后面信心越不足，越不敢回答
面试完成后觉得自己真的是惨不忍睹，大佬能坚持那么久也是不容易，感谢大佬！！！
全部评论
(3) 回帖